Telegram-Gruppenkauf:
Name, Artikel und Betrag jeder Person aus einem Chat-Screenshot extrahieren
Der Gruppenkauf-Organisator postet: "Gruppenkauf für Nike-Laufschuhe — 45 $ pro Paar. Größen S / M / L / XL. Antworten Sie mit Ihrer Bestellung bis 8 pm." Innerhalb einer Stunde stapeln sich 50 Antworten: "2 Stück Größe L bitte — später bezahlen," "1 Stück Größe M — überwiesen," "3 Stück Größe S — schicken Sie mir Ihre Nummer." Ein Screenshot enthält jetzt die Namen von fünfzehn Personen, ihre Artikel, bevorzugten Größen, Mengen und Zahlungshinweise — alles vermischt in einem vertikalen Scroll von Chatblasen. Die Daten sind alle da. Aber es sieht überhaupt nicht wie eine Tabelle aus.
Wichtige Erkenntnisse
- Ein Gruppenkauf mit 50 Antworten nimmt einem Organisator 10–15 Minuten zum Übertragen — durch Namen scrollen, Mengen zählen, Zahlungshinweise entwirren und jede Zeile in eine Tabelle tippen.
- OCR flacht den gesamten Screenshot zu einem einzigen Block ab — „2 Stück Größe L", „1 Größe M überwiesen", „3 Größe XL" alle zusammengefügt ohne Verbindung zu, wer welche Bestellung gesendet hat.
- Visuelle KI liest den Chat als Konversation — sie gruppiert Nachrichten nach Absender, führt Bestellungen aus mehreren Chatblasen derselben Person zusammen und gibt in Sekunden eine Zeile pro Käufer aus.
Was in einem einzelnen Gruppenkauf-Screenshot steckt
Ein Telegram-Gruppenkauf-Screenshot ist kein Dokument. Er ist kein Formular, keine Rechnung und keine Tabelle. Er ist ein vertikaler Strang aus Chatblasen – jede von einer anderen Person, jede mit einem Fragment einer Bestellung. Wenn Sie einen Gruppenkauf-Thread abfotografieren, halten Sie ein Dutzend gleichzeitiger Gespräche in einem eingefrorenen Bild fest.
Das ist es, was dieses Bild normalerweise enthält:
| Informationsebene | Beispiel aus einem echten Screenshot |
|---|---|
| Ankündigung des Organisators | "Jaket bomber kulit — Rp 350k. Size M/L/XL. Transfer ke BCA 123456 a/n Sari." |
| Antworten der Mitglieder (10–30 Nachrichten) | "2 pcs size L — udah transfer ya" / "1 size M, ambil di tempat" / "3 size XL, bayar pas ambil" |
| Identität des Absenders | Anzeigename oder Benutzername über jeder Chatblase — @rudi_90, @sari_wati, Budi Santoso |
| Zahlungshinweise | Über die Antworten verstreut — "transfer," "pay later," "ambil di tempat" (Abholung vor Ort) |
Die Informationen sind nach Person verschachtelt, nicht nach Feld. Name, Artikelauswahl, Menge, Größe und Zahlungsabsicht jeder Person sind über eine oder mehrere Chatblasen verteilt. Ein herkömmliches Tool, das Text von links nach rechts und von oben nach unten liest, würde einen Block vermischter Antworten ausgeben – es hätte keine Möglichkeit zu erkennen, dass "2 pcs size L" zu der Person gehört, die es gesendet hat, und nicht zu der Person darüber oder darunter.
Warum Chat-Text und Tabellenzeilen verschiedene Dinge sind
Die Kluft zwischen dem, was der Screenshot zeigt, und dem, was der Organisator braucht, liegt nicht an fehlenden Daten – sondern an der Struktur. Der Screenshot enthält alle Informationen, die zur Erfüllung der Bestellungen nötig sind. Aber das Format (Chatblasen in einem vertikalen Strang) und das Ausgabeformat (Tabellenzeilen, eine pro Person) sind völlig verschiedene Dinge.
Standard-OCR behandelt den Screenshot als eine einzelne Textseite. Es liest jede Zeile der Reihe nach und schreibt alles in ein flaches Transkript:
// OCR-Ausgabe — flach, ohne Struktur
"Jaket bomber kulit — Rp 350k. Size M/L/XL. Transfer ke BCA 123456 a/n Sari."
"2 pcs size L — udah transfer ya"
"1 size M, ambil di tempat"
"3 size XL, bayar pas ambil"
"1 size L kak, transfer sekarang"
"2 size M — udah ya"
Dieses Transkript ist für die Auftragsabwicklung unbrauchbar. Es sagt Ihnen nicht, wer was bestellt hat. Der Organisator muss dennoch den ursprünglichen Screenshot lesen, jede Antwort gedanklich ihrem Absender zuordnen und alles manuell in eine Tabelle übertragen. Genau hier liegt der eigentliche Engpass – nicht beim „Lesen der Wörter", sondern beim Verstehen, welche Wörter zu welcher Person gehören.
Visuelle KI – die Technologie hinter der semantischen Extraktion – betrachtet den Screenshot anders. Sie erkennt, dass das Bild mehrere Absenderbereiche enthält (jede Chatblase mit ihrem Anzeigenamen), und ordnet den Text in jeder Blase der Person zu, die ihn gesendet hat. Sie liest den Screenshot nicht wie eine Textseite; sie liest ihn wie ein Gespräch und versteht, dass jede Nachricht zu ihrem Autor gehört. Dies ist derselbe Paradigmenwechsel, der es der KI ermöglicht, strukturierte Daten aus Zahlungsscreenshots, die keine Belege sind zu extrahieren – die Eingabe ist kein Dokument, aber die Daten sind dennoch extrahierbar, weil die KI versteht, was sie sieht.
Die relevanten Felder für einen Gruppenkauf
Wenn man die Chat-Formatierung weglässt, hat eine Gruppenkauf-Bestellung jedes Mal dieselben Kernfelder. Dies sind die Spalten, die Sie tatsächlich in Ihrer Tabelle benötigen:
| Feld | So sieht es im Chat aus | Warum es wichtig ist |
|---|---|---|
| Name | Telegram-Anzeigename oder @benutzername über der Chatblase | Wer die Bestellung aufgegeben hat – erforderlich für die Übergabe und die Verfolgung, wer bezahlt hat |
| Artikel / Variante | „Jaket bomber kulit" oder nur „Größe L" (der Artikel steht bereits in der Ankündigung oben) | Welches Produkt und welche Variante – ein Gruppenkauf umfasst oft mehrere Farbvarianten oder Größen |
| Menge | „2 Stk.", „3" oder „1x Größe M" (Menge im selben Satz wie die Größe enthalten) | Wie viele Einheiten – erforderlich für die Bestandsverteilung und die Lieferantenbestellung |
| Betrag | „Rp 350k", „udah transfer", „total 700" – manchmal explizit, manchmal implizit durch Menge × Einzelpreis | Zahlungsverfolgung – wer hat bezahlt, wer schuldet noch etwas, Gesamteinnahmen |
| Notizen | „ambil di tempat", „pay later", „transfer sekarang" | Zahlungsmethode, Abholpräferenz, besondere Anweisungen |
Was dies für die herkömmliche Datenerfassung herausfordernd macht, ist, dass mehrere Felder oft in einem einzigen, grammatikalisch lockeren Satz gebündelt sind: „2 Größe M transfer ya" enthält Menge (2), Größe (M) und einen Zahlungshinweis (transfer) in fünf Wörtern. Ein menschlicher Organisator liest dies und teilt es instinktiv in separate Datenpunkte auf. Herkömmliche OCR kann das nicht.
Wenn die Bestellung einer Person über mehrere Nachrichten geht
Ein häufiges Muster in Gruppenkauf-Threads macht die Extraktion noch kniffliger: Dieselbe Person sendet zwei oder drei Antworten hintereinander. Sie tippt vielleicht zuerst "1 size L", fügt dann sofort "transfer via GoPay" hinzu und dann "ambil besok" (Abholung morgen). Diese drei Nachrichten erscheinen als separate Chatblasen im Screenshot – aber sie gehören alle derselben Person und bilden zusammen eine einzige Bestellung.
Eine Visuelle KI, die konversationelle Gruppierung versteht, erkennt, dass aufeinanderfolgende Nachrichten vom selben Absender als ein Bestellungseintrag behandelt werden sollten. Sie kombiniert den Text, extrahiert die Felder und gibt eine einzelne Zeile aus. Diese Art der Gruppierung kann kein templatebasiertes OCR-Tool leisten – sie erfordert das Verständnis der sozialen Struktur der Konversation, nicht nur der typografischen Struktur der Seite.
Von einem Screenshot zu einer Tabellenzeile pro Person
Benutzerdefinierte Spaltenextraktion verwandelt diesen chaotischen vertikalen Thread in eine saubere Tabelle. Sie definieren die Spalten, die Sie benötigen – Name, Artikel, Menge, Größe, Betrag – und die KI erledigt den Rest.
Ein Bild, beliebig viele Chatblasen, beliebig viele Personen.
Name, Artikel, Menge, Größe, Betrag, Notizen – diese werden zu Ihren Tabellenkopfzeilen. Keine Vorlagen, keine Einrichtung.
Sie identifiziert jeden Absender, gruppiert seine Nachrichten und parst Bestelldetails – einschließlich zusammengesetzter Ausdrücke wie "2 size L transfer".
Saubere Ausgabe, bereit für Beschaffung, Zahlungsverfolgung und Übergabe – kein manuelles Sortieren nötig.
Das Ergebnis verwandelt eine 5–10-minütige manuelle Transkription in einen 30-Sekunden-Durchlauf. Für Organisatoren, die mehrere Gruppenkäufe pro Monat durchführen – Mode-Hauls, Lebensmittelkooperativen, Elektronikbestellungen – summiert sich diese Ersparnis schnell.
Was, wenn der Bestellthread über einen Screenshot hinausgeht?
Ein beliebter Gruppenkauf kann über 200 Antworten generieren. Organisatoren machen oft mehrere Screenshots, um den gesamten Thread abzudecken. Laden Sie sie in dieselbe Stapelverarbeitung hoch, definieren Sie Ihre Spalten einmal, und die KI verarbeitet alle Bilder gemeinsam. Die Ausgabe wird in einer einzigen Tabelle zusammengeführt, wobei die Bestellungen jeder Person korrekt zugeordnet sind. Stapelverarbeitung verwandelt eine fehleranfällige Aufgabe – Namen, die über Screenshots hinweg unterschiedlich geschrieben sind, falsch getippte Mengen – in einen einzigen Vorgang.
Was der Screenshot Ihnen nicht verrät
Ein Gruppenkauf-Screenshot kann Ihnen nicht alles verraten, was ein Bestellverwaltungssystem kann. Wenn der Anzeigename einer Person ein Emoji oder ein einzelnes Zeichen ist, müssen Sie ihn möglicherweise manuell einem echten Namen zuordnen. Wenn der Chat starken regionalen Slang verwendet, kann die Genauigkeit bei nicht standardmäßigen Abkürzungen etwas geringer sein. Aber bei der überwiegenden Mehrheit der Gruppenkauf-Threads – bei denen Benutzernamen lesbar sind und Bestellungen Mustern wie „2 Stück Größe L" oder „1 M Überweisung" folgen – liefert die Extraktion in Sekundenschnelle gebrauchsfertige Daten. Das Ziel ist nicht, das Urteilsvermögen des Organisators zu ersetzen; es geht darum, die mechanische Arbeit des Lesens von 50 Antworten und des Eintippens jeder einzelnen in eine Zelle zu eliminieren.
Häufig gestellte Fragen
Kann es mehrere Telegram-Screenshots aus demselben Gruppenkauf gleichzeitig verarbeiten?
Ja. Laden Sie alle Screenshots in denselben Batch hoch, definieren Sie Ihre Spalten einmal, und die KI verarbeitet alle Bilder gemeinsam. Die Ausgabe wird in einer einzigen Tabelle mit einer Zeile pro Person zusammengeführt, selbst wenn die Nachrichten über mehrere Screenshots verteilt sind.
Was passiert, wenn die Bestellung einer Person über zwei getrennte Nachrichten im Screenshot verteilt ist?
Die KI gruppiert aufeinanderfolgende Nachrichten desselben Absenders und behandelt sie als Teil einer einzigen Bestellung. Wenn jemand „2 Stück, Größe L" tippt und dann direkt „Überweisung via GoPay" hinzufügt, werden beide Nachrichten zu einer Zeile zusammengeführt.
Funktioniert das auch mit anderen Chat-Plattformen wie WhatsApp oder LINE?
Derselbe Ansatz gilt für jeden Chat-Screenshot, bei dem der Name des Absenders über oder neben seiner Nachricht sichtbar ist. Die visuelle KI liest die Chat-Struktur – sie ist nicht an das spezifische Chatblasen-Design von Telegram gebunden. LINE-Gruppenkäufe haben eine Besonderheit, die andere Plattformen nicht bieten: Käufer geben die letzten fünf Ziffern ihrer Überweisung (匯款末五碼) als Zahlungsnachweis an, und LINE-Gruppenkauf-Screenshots enthalten diesen Code im selben Thread wie die Bestellung. Für plattformbezogene Hinweise finden Sie hier, wie wir mit Krypto-Wallet-Adressen in Telegram-Chats umgehen, oder einen breiteren Überblick über Zahlungs-Screenshots, die keine Belege sind.
Was passiert, wenn der Chat Emoji-Reaktionen statt Textantworten zur Bestellung verwendet?
Nur-Emoji-Antworten (wie 👍 oder ❤️, um Teilnahme ohne Details anzugeben) enthalten keine extrahierbaren Bestelldaten. In diesen Fällen muss der Organisator manuell nachfassen. Wenn der Screenshot jedoch auch Textantworten anderer Teilnehmer mit tatsächlichen Bestellinformationen enthält, werden diese Personen weiterhin korrekt extrahiert.
Werden die Screenshots gespeichert oder sind sie für andere sichtbar?
Nein. Bilder werden nur temporär verarbeitet und nicht auf Servern gespeichert. Sobald die Extraktion abgeschlossen und die Ergebnisse geliefert sind, werden die Originaldateien entfernt. Niemand sonst – einschließlich der Plattform – hat Zugriff auf Ihre Gruppenkauf-Screenshots oder die extrahierten Daten.
Ein Screenshot eines Gruppenkaufs ist ein Gespräch, keine Tabelle. Aber die Informationen, die Sie daraus benötigen – Name, Artikel, Menge und Betrag jeder Person – sind strukturiert genug, dass eine visuelle KI sie in einem einzigen Durchgang extrahieren kann.
Wenn Ihr Telegram-Gruppenkauf-Thread beim nächsten Mal 50 Antworten erreicht und Sie zurückscrollen, um herauszufinden, wer was bestellt hat, machen Sie einen Screenshot und lassen Sie die Extraktion das Sortieren übernehmen. Die manuelle Arbeit lag nie daran, dass die Daten fehlten – sondern daran, dass das Format nicht zu Ihrer Tabelle passte. Die formatunabhängige Extraktion schließt diese Lücke.